Medir sem se enganar: três camadas e o relatório oficial do Google

Nenhum número de tráfego ou de receita vindo de IA entra na reunião de resultados sem três coisas ao lado: a camada que o produziu, o denominador e a faixa de incerteza. Este módulo serve a quem aprova orçamento e recebe relatório de agência ou de ferramenta. Ele separa a medição de GEO em três camadas: acessibilidade (o robô consegue ler o site?), visibilidade (a marca aparece nas respostas?) e consequência (isso virou sessão, lead ou venda?). Você sai sabendo o que o relatório oficial do Google mostra desde 31/08/2026, o que ele esconde e quais perguntas separam um número que vale de um que só parece valer.

Todo painel que promete um GEO Score de 0 a 100 funde as três linhas da tabela num número só, e a informação que permitia agir estava na separação. Quando o score cai três pontos, ninguém sabe qual camada se moveu, e nenhuma das três ações possíveis fica disponível.

Camada 1, acessibilidade. Comece por ela sempre: é a mais barata, é a única censitária (você vê todas as requisições, e não uma amostra) e é onde mora o defeito de verdade. A matéria-prima é o log de servidor, o livro de visitas do site, que registra cada robô que entrou e o que recebeu de volta.

Guarde logs brutos por no mínimo 90 dias. Separe os acessos em duas famílias, treino e citação, porque somar as duas numa linha chamada bots de IA apaga a parte acionável. Confirme a autenticidade pelas faixas de IP que os operadores publicam e reporte só acessos verificados: qualquer script pode se apresentar com o user agent (o nome que o robô declara ao bater na porta) de um robô famoso.

O achado que paga o esforço da camada 1: um 403, um 429 ou um 5XX servido ao OAI-SearchBot é uma citação perdida em silêncio, e nenhum outro canal de medição avisa. O AI Overview simplesmente não inclui o site, o painel de visibilidade mostra uma queda que parece ruído e ninguém liga uma coisa à outra. Antes de qualquer diagnóstico de conteúdo, audite CDN, WAF e robots.txt (o arquivo em que o site diz aos robôs o que podem ler): bloqueio inadvertido é a causa raiz mais comum e a mais barata de corrigir.

Esse risco cresce a partir de 15/09/2026. A Cloudflare anunciou em 01/07/2026 que, dessa data em diante, domínios novos passam a bloquear por padrão as categorias Training e Agent em páginas com anúncios, com Search liberado. O efeito de segunda ordem quase ninguém ensina. Crawlers multipropósito (robôs que leem o site tanto para a busca quanto para treinar modelos), como Googlebot, Applebot e BingBot, são tratados segundo todos os seus comportamentos; bloquear treino pode derrubar a indexação de busca como dano colateral.

Camada 2, visibilidade. É onde quase toda medição de GEO do mercado vira desonesta, e a razão é estatística. A amostragem (perguntar várias vezes e contar em quantas a marca aparece, como numa pesquisa de opinião) produz uma estimativa, e estimativa tem faixa: o intervalo de confiança, a margem dentro da qual o valor real provavelmente está.

O paper arXiv 2604.07585, 'Don't Measure Once', de Julius Schulte, Malte Bleeker e Philipp Kaufmann (08/04/2026), mostra que as respostas variam entre execuções, entre formulações do prompt e ao longo do tempo. A conclusão dos autores: visibilidade precisa ser caracterizada como distribuição, jamais como valor único.

Um segundo trabalho, arXiv 2603.08924, de Ronald Sielinski (v3 de 26/08/2026), amostrou diariamente por nove dias e a cada dez minutos em Perplexity Search, SearchGPT e Gemini. Os rankings de citação se mostraram instáveis em todo o conjunto de domínios, inclusive fora da cauda. Intervalos por bootstrap (reamostragem que estima a margem de erro a partir de poucas execuções) revelaram que muitas diferenças aparentes cabiam dentro do ruído.

O fenômeno de base está em arXiv 2408.04667, 'Non-Determinism of Deterministic LLM Settings', de Berk Atil e colegas (06/08/2024). Cinco modelos, oito tarefas e dez execuções sob configuração tida como determinística deram variação de acurácia de até 15% e diferenças de desempenho de até 70% entre execuções. As causas costumam ser resumidas como amostragem estocástica, ordem de execução em sistemas paralelos e aritmética de ponto flutuante, um entendimento de engenharia; o artigo levanta a hipótese de mistura de dados nos buffers de entrada. Consultar o ChatGPT uma vez, ver a marca citada e reportar 'estamos aparecendo' é o retrato de um processo aleatório.

Um segundo fato estrutural muda o que esperar de um painel de participação de voz (share of voice, a fatia das respostas em que a sua marca aparece frente às concorrentes). Ele vem de 'News Source Citing Patterns in AI Search Systems', de Kai-Cheng Yang (arXiv 2507.05301, 07/07/2025). O trabalho analisou o AI Search Arena, plataforma em que sistemas de busca com IA são comparados lado a lado: mais de 24.000 conversas, 65.000 respostas de OpenAI, Perplexity e Google e mais de 366.000 citações, 9% delas a fontes de notícia.

Modelos de provedores diferentes citam veículos diferentes, mas todos concentram as citações de notícia num número pequeno de veículos. O autor registra viés liberal no conjunto citado, fontes de baixa credibilidade raramente citadas e nenhuma influência significativa da inclinação política ou da qualidade da fonte sobre a satisfação do usuário. A medição é de 2025, cobre citações de notícia numa plataforma cujo público testa sistemas e classifica inclinação política pelos referenciais da mídia dos Estados Unidos, referencial que exige tradução própria antes de valer para o Brasil.

Leia isso junto com a lei de potência de arXiv 2603.08924 e a expectativa se ajusta sozinha: poucos domínios concentram a maior parte das aparições, então a participação de voz numa consulta genérica é alvo caro e instável para quase toda marca. O progresso de quem começa acontece na cauda, onde o sinal é fraco e a variância é alta; consultas de nicho pedem acompanhamento semanal e consultas genéricas, leitura trimestral.

E a lista de concorrentes fica aberta. Em arXiv 2609.05059 (04/09/2026), Dmitrij Żatuchin mediu 300 células pergunta-motor com 15 rodadas cada: uma única rodada revela só 62% a 77% das marcas que cinco rodadas revelam, e rastreador com lista fixa de marcas fabrica platôs que não existem. O único motor com busca web fechou a lista por volta da décima rodada; os outros cinco ainda traziam marca nova na décima quinta.

As seis regras da camada 2, na ordem em que quebram quando ignoradas.

1. 01Congele e versione o conjunto de prompts: de 100 a 200, em arquivo com data e controle de versão. Se o conjunto muda, a série temporal quebra e isso vai escrito no relatório. Escolher prompt depois de ver o resultado é viés de seleção puro.

1. 01Repita até convergir. Dez execuções por prompt por plataforma são o piso de segurança para uma leitura direcional, e 30 permitem calcular o intervalo de 95%; os dois números são heurística de praticante. A regra que substitui o N fixo vem de arXiv 2607.10341, de Ronald Sielinski (v2 de 26/08/2026): a coleta para quando o ranking estabiliza e a dispersão entre domínios supera a incerteza, e o relatório declara quantas execuções a regra exigiu, por plataforma. Em 30 combinações de plataforma e tópico, nenhum orçamento fixo se justificou em todos os contextos.

1. 01Reporte a distribuição inteira: a taxa, o intervalo, o número de execuções, a plataforma, o modelo, o idioma e a janela de datas. Um ponto solto na tela é a forma mais rápida de perder a próxima reunião.

1. 01Não reporte movimento dentro do ruído. Intervalos sobrepostos significam ausência de mudança detectável; sair da sexta para a quarta posição num ranking de domínios citados costuma ser estatisticamente vazio.

1. 01Documente o instrumento: API ou interface, modelo e versão, busca web ligada ou desligada, localidade, idioma, sessão limpa, data e hora. O modelo deixou de ser detalhe em setembro. O Gemini 3.8 Flash entrou no AI Mode em 02/09/2026 e passou o dia 03/09 respondendo sem links, defeito que o Google corrigiu em 04/09. Uma leitura de AI Mode sem modelo e data ao lado não se compara nem com a do dia anterior.

O idioma da consulta é a segunda variável escondida. Em arXiv 2608.30052 (30/08/2026), Żatuchin mostrou que o idioma da consulta pesa mais que a localidade para o fornecedor local aparecer: em inglês, marcas locais venceram zero de seis rodadas na Estônia e na Turquia. Meça em português e em inglês com o mesmo intento, e reporte separado.

1. 01Meça um controle. Inclua dois ou três concorrentes e uma marca irrelevante ao tema; se a irrelevante aparece com taxa parecida com a sua, o problema é o conjunto de prompts, porque o mercado não mudou. E extraia as marcas que a resposta trouxe em vez de procurar só as da sua lista, porque a lista fechada esconde quem entrou.

Camada 3, consequência. Aqui entram os dois instrumentos oficiais de 2026, e o que cada um deixa de fora pesa tanto quanto o que ele mostra.

O relatório de desempenho em IA generativa do Search Console (a ferramenta gratuita do Google que mostra como o site aparece na busca) está disponível para todos os sites do mundo desde 31/08/2026. Ele conta impressões (o número de vezes que uma página apareceu numa resposta, tenha ou não recebido clique) em AI Overviews e AI Mode. As dimensões são página, país, dispositivo e data; cliques e consultas não estão nele.

Duas notas de série entram no relatório de quem usa esse número. Um erro de registro derrubou as impressões de 13 a 17/08/2026, e o Google restaurou os dados em 21/08. E as perguntas feitas dentro do AI Mode aparecem no relatório de desempenho principal como consultas novas, porque cada pergunta de acompanhamento é, para o Google, uma busca nova (John Mueller, 06/08/2026).

Impressão em IA não é clique, e a distância entre as duas tem medida. Num painel representativo de 900 adultos dos Estados Unidos acompanhados por um mês (arXiv 2608.04831, 05/08/2026), o clique numa fonte citada pelo AI Overview aconteceu em cerca de 1% das visitas com AI Overview.

A régua para o que 'ser citado' vale em cliques é a da Seer Interactive, de abril de 2026, sobre 53 marcas, 5,47 milhões de consultas e 2,43 bilhões de impressões entre janeiro de 2025 e fevereiro de 2026. Taxa de clique orgânica de 3,3% sem AI Overview, 2,1% quando a página é citada e 0,9% quando não é: ser citado rende 120% mais cliques por impressão do que ficar de fora.

A queda no topo também tem número primário, da Ahrefs. Em 04/02/2026, Ryan Law comparou 300 mil palavras-chave no Search Console entre dezembro de 2023 e dezembro de 2025: a taxa de clique da posição 1 caiu 58%, a da posição 2 caiu 50,8% e a da posição 10, 19,4%. Em 02/03/2026, Louise Linehan mediu 863 mil páginas de resultado e 4 milhões de URLs: 38% das URLs citadas no AI Overview estavam no top-10, contra 76% em julho de 2025. Lidos juntos, os dois estudos dizem que posição deixou de garantir citação, e que a citação é o que ainda traz clique.

O GA4 (Google Analytics 4, o medidor de visitas do site) tem desde 13/05/2026 um grupo de canais padrão chamado AI Assistant. A definição oficial: é o canal pelo qual usuários chegam ao site a partir de fontes como ChatGPT, Gemini, DeepSeek, Copilot ou Grok, e ele exclui os AI Overviews e o AI Mode do Google. A regra técnica é simples: o medium recebe o valor ai-assistant quando o referrer (o endereço da página de onde o visitante veio, que o navegador informa ao site) casa com uma lista interna de assistentes.

Três consequências mudam o uso. O tráfego que sai de AI Overview e de AI Mode continua contado como Organic Search, então o canal AI Assistant mede só os assistentes de fora do Google. O Google publica exemplos; a lista completa não é pública, e a presença do Perplexity não está confirmada: teste na sua propriedade filtrando session_source. E não há retroatividade; a classificação começa em 13/05/2026, o que inviabiliza comparação ano contra ano por enquanto.

O jeito de escapar disso é o controle na própria propriedade: páginas parecidas do mesmo site que não receberam a otimização. Em arXiv 2606.04362 (Watanabe e Nakayashiki, 03/06/2026), o tráfego do ChatGPT para as páginas otimizadas cresceu 5,7 vezes, mas as páginas não tratadas do mesmo domínio cresceram 3,5 vezes no mesmo período. O modelo de série temporal estimou o efeito da otimização em 1,82 vez, com intervalo de 95% de 1,31 a 2,54, e o teste placebo deu p igual a 0,16: sugestivo, sem ser conclusivo. Sem o grupo de controle, o case de 5,7 vezes teria sido apresentado como verdade.

As três camadas viram relatório em três níveis, negócio primeiro. A Semrush publicou em 02/09/2026 o modelo que o mercado passou a copiar. Nível 1, impacto no negócio: conversões orgânicas e conversões de referral de IA, mais o formulário 'como nos conheceu'. Nível 2, contexto de visibilidade: citações, menções, participação de voz. Nível 3, sinais de apoio: backlinks e sentimento. Os níveis 1 e 2 são mensais e o 3, trimestral. A ordem inverte o hábito da agência, que abre pela visibilidade porque é o que ela vende.

Quebras de série do trimestre entram anotadas no relatório, em vez de explicadas de improviso na reunião. Em 26/08/2026 o Google passou a redirecionar os links de resultado por goto URLs, o que quebrou séries de rastreadores de posição de terceiros. De 13 a 17/08 houve o buraco do relatório de IA do Search Console, e em 01/09 os dados sumiram do GA4. Série que cruza uma dessas datas sem nota vira comparação entre dois instrumentos.

Duas medições são gratuitas e oficiais: as impressões em IA do Search Console e as citações do Microsoft Clarity (AI Citations, disponível para todos desde 13/05/2026, sem limite de tráfego). Para série longa, a Similarweb comparou em 06/09/2026 a profundidade histórica de oito provedores. Ela própria tem dados de IA desde janeiro de 2024, a DataForSEO desde 01/08/2025 e o Cloudflare Radar desde setembro de 2024; Profound, Kantar e Datos não publicam alcance histórico. Quem precisa comparar com o ano passado escolhe o provedor pela profundidade que ele declara.

Esse número mede posição, presença em resposta, visita ou venda?

Quatro camadas respondem a quatro perguntas diferentes, e um relatório que as soma não responde a nenhuma. A tabela das cinco linhas já separa os instrumentos; a tabela abaixo separa as perguntas, que é o corte que a diretoria entende.

Duas confusões explicam quase todo relatório ruim de GEO. A primeira funde posição orgânica com acessibilidade: acessibilidade diz que o robô pegou a página, posição diz em que lugar da lista ela aparece, e as duas têm instrumento e cadência diferentes. A segunda funde visita com resultado: a visita depende do campo de origem, que aplicativo nativo não preenche, e por isso é sempre um piso; o resultado depende do CRM e da pergunta feita ao cliente, e por isso é sempre parcial. Confiabilidades diferentes não entram na mesma linha.

Menção, citação por URL e recomendação são a mesma coisa?

Não são, e confundi-las é o defeito mais caro de um painel de visibilidade em IA. Menção é o nome da marca aparecendo no texto da resposta. Citação por URL é uma página do seu domínio listada como fonte daquela resposta. Recomendação é a resposta indicando a sua marca como escolha para a tarefa que a pessoa descreveu. As três acontecem juntas às vezes, e separadas com frequência.

A medição própria deste projeto mostra o tamanho do estrago. O monitor de citação da marca detectava menção por expressão regular, sem guarda de negação nem de eco da pergunta. Na leitura manual das respostas de 27/06/2026, as nove menções que três motores registraram nas perguntas de marca eram eco da pergunta ou informação errada: um respondeu que não tinha informações sobre a pessoa, outro descreveu a marca como uma plataforma de dados geoespaciais. A citação real desses três motores naquele dia foi zero em vinte e cinco prompts.

A sondagem seguinte, de 09/09/2026, repetiu o desenho com dois modelos sem busca e vinte respostas lidas uma a uma: zero citação espontânea verificável e zero aparição dos dois domínios da marca. Um painel que somasse menção com citação teria reportado presença onde não havia nenhuma, e a correção custou uma coluna a mais no registro por execução.

Quando a posição média deixa de ser sinal?

Quando o número de impressões de cada lado da comparação é pequeno. A posição média do Search Console é a média das posições em que a página apareceu, ponderada pelas impressões do período. Com duas impressões ela é a média de dois eventos, e um único dia atípico move o resultado inteiro. A média esconde também a distribuição: uma consulta que alterna entre a posição 3 e a 40 reporta cerca de 21, uma posição em que o site nunca esteve.

O caso é do próprio projeto e está reproduzido ao decimal. Em 10/09/2026 o painel apontou colapso de posição em quatro URLs de um diretório do site, com uma delas saindo de 1,5 para 46,5 entre a janela de 25 a 31 de agosto e a de 1 a 7 de setembro de 2026. A leitura da série diária no Search Console mostrou que as quatro registram de uma a três impressões por dia inteiro, e que a posição 1,5 anterior era uma única medição de duas impressões num único dia. O denominador nunca passou de quatro de cada lado. Um único dia, 1 de setembro de 2026, concentra as impressões em posição profunda das quatro URLs, e o mesmo padrão já tinha acontecido em 20 de agosto, sem nenhuma publicação no meio.

A regra operacional que sai daqui é curta. Só compare posição média quando cada lado da janela tiver massa, e escreva o piso antes de olhar o número. O piso adotado neste projeto é de trinta impressões por lado, e é convenção operacional, não valor prescrito por documentação. Abaixo do piso, o relatório informa a contagem de impressões e omite a comparação de posição, porque alarme falso custa mais caro do que a informação que ele substitui.